采用变系数模型改进空间相关性风速预测

被引：7

作者：

刘阳 ^{[1
]}

杨正瓴 ^{[1
]}

张泽 ^{[2
]}

朱新山 ^{[1
]}

张军 ^{[2
]}

机构：

[1] 天津大学电气与自动化工程学院

[2] 天津市过程检测与控制重点实验室(天津大学)

来源：

广东电力 | 2017年 / 30卷 / 06期

关键词：

变系数模型; 空间相关性; 风速预测; 超短期; 加权最小二乘法;

D O I：

暂无

中图分类号：

TK81 [风能]; TM614 [风能发电];

学科分类号：

080703 ; 080704 ; 0807 ;

摘要：

空间相关性方法是近年来逐渐受到重视的风电功率预测方法。为提高超短期风电功率预测效果,提出了采用变系数模型改进空间相关性风速预测的方法。首先介绍了一种空间相关性风速预测的建模方式,然后根据风速序列间关系随时间变化的情况引入变系数模型,通过加权最小二乘法进行参数估计,给出一种权函数形式,最后的仿真试验研究了权函数中的遗忘因子对预测误差的影响,验证变系数模型提高空间相关性风速预测的有效性,说明采用变系数模型来改进空间相关性风速预测是一条可行的思路。

引用

页码：50 / 54

页数：5

共 14 条

[11]

Exploiting sparsity of interconnections in spatio-temporal wind speed forecasting using Wavelet Transform[J] . Akin Tascikaraoglu,Borhan M. Sanandaji,Kameshwar Poolla,Pravin Varaiya.Applied Energy . 2016

[12]

The study and application of a novel hybrid forecasting model – A case study of wind speed forecasting in China[J] . Jian-Zhou Wang,Yun Wang,Ping Jiang.Applied Energy . 2015

[13]

Quantizing the deterministic nonlinearity in wind speed time series[J] . Haidar Samet,Fatemeh Marzbani.Renewable and Sustainable Energy Reviews . 2014

[14]

Short-term wind speed prediction using an unscented Kalman filter based state-space support vector regression approach[J] . Kuilin Chen,Jie Yu.Applied Energy . 2014

← 1 2 →